Базы лиц

Существуют наборы фотографий людей, предназначенные для обучения систем распознавания лиц. К наиболее известным можно отнести Microsoft Celeb (8,2 млн снимков, собранных из открытых источников), Duke MTMC (2 млн снимков), Brainwash (фотографии посетителей одноименного кафе в Сан-Франциско), Oxford Town Centre (анализ записей камеры наблюдения[388]) и др.[389] Компании и учебные заведения, отвечающие за сбор таких баз данных, утверждают, что на снимках зафиксированы лишь публичные фигуры, хотя в действительности там обнаружены фотографии людей, которые вряд ли ожидали себя увидеть в такой базе, в том числе журналистов, которые пишут об ИБ[390]. Многие базы данных собираются без ведома людей, чьи лица попали в кадр, и используются такими компаниями, как SenseNets, для слежки за людьми. Крупные социальные сети, например Facebook, Qzone, Weibo или «ВКонтакте», стремятся собирать как можно больше информации о своих пользователях. Вероятно, поэтому именно такие компании обладают крупнейшими базами лиц (вкупе с остальными персональными данными пользователей)[391],[392].

Как работает система распознавания лиц?

Рассмотрим на примере используемой в Китае Dragonfly Eye System компании Yitu. В основе системы – облачная база данных с миллиардами цифровых портретов людей и самообучающаяся технология распознавания лиц по набору ключевых зон и параметров человеческого лица. Когда в поле зрения видеокамеры, подключенной к системе, оказывается человек, она делает несколько снимков и выбирает наиболее удачный. Затем система с помощью машинных алгоритмов определяет на снимке область лица и улучшает его изображение, используя фильтры. Далее изображение лица преобразуется в облако точек с рейтингом уникальности каждой характеристики лица: цвет и форма прически, высота лба, форма и цвет глаз, губ, носа и т. п. Благодаря этому в следующий раз система идентифицирует человека, даже если тот отрастит бороду, изменит прическу, наденет очки или медицинскую маску. Полученное облако точек сверяется с имеющимися в базе данных, и на основе некоего порогового значения (совпадения) определяются похожие лица. Вычисление идентификатора и сверка с базой данных занимает не более полутора секунд. Используя множество камер, можно проследить маршрут конкретного человека, узнать время пребывания в каждой точке маршрута, а также увидеть, что ранее делал тот, за кем ведется наблюдение. За исключением распознавания лиц стариков и детей до 3 лет, система справляется со своей задачей превосходно, в частности благодаря актуальности базы данных: в Китае невозможно получить паспорт, водительское удостоверение и даже приобрести SIM-карту без предоставления биометрических данных[394].

Кейс В 2016 г. петербургский фотограф Егор Цветков провел эксперимент по идентификации и поиску информации о людях, сидящих перед ним в вагоне метро. Благодаря тому, что многие регистрируют аккаунты в социальных сетях и не закрывают профили, во многих случаях за секунды удавалось немало узнать о жизни только что сфотографированного человека. Проект доступен по адресу: https://birdinflight.com/ru/vdohnovenie/fotoproect/06042016-face-big-data.html.

Примечание. Многие камеры видеонаблюдения снабжены инфракрасной подсветкой, позволяющей камере «видеть» в темноте.

Весь процесс идентификации людей на основе технологии распознавания лиц происходит автоматически: вручную просто невозможно обработать поток данных такого объема, да еще и в реальном времени. Алгоритм обращает внимание операторов системы только на тех людей, чьи фамилии занесены в базу данных правоохранительных органов, и отсеивает всех остальных, причем различает даже близнецов[395].

Подробная статья о том, как работают системы распознавания лиц, доступна по адресу: https://securityrussia.com/blog/face-recognition.html.